Google Developer Knowledge API: documentação oficial para agentes de IA via MCP

Quem usa coding assistants no dia a dia já passou por isso: você pede para o agente configurar algo no Firebase, ele responde com total confiança, e o método que ele sugere deprecado há 6 meses. Ou pior — nunca existiu.

Esse gap entre o que o modelo "sabe" (dados de treinamento congelados) e o que a documentação oficial diz hoje é um dos maiores pontos de fricção da codificação assistida por IA. Em 4 de fevereiro de 2026, o Google decidiu atacar esse problema de frente: lançou em preview público a Developer Knowledge API junto com um servidor MCP oficial, dando aos agentes de IA acesso direto e atualizado à documentação de todos os seus produtos para desenvolvedores.

O problema: quando o coding assistant inventa API que não existe

Modelos de linguagem são treinados com snapshots de dados. Um modelo treinado com documentação de outubro de 2025 não sabe que o Firebase mudou a assinatura de initializeApp() em janeiro de 2026. Ele vai sugerir a versão antiga com total confiança, e você vai perder 40 minutos debugando antes de perceber.

O problema se multiplica quando consideramos a escala do ecossistema Google. São dezenas de produtos com documentação independente: Firebase, Google Cloud, Android, Maps, Chrome Extensions, TensorFlow, Flutter. Cada um com seu ciclo de releases, deprecações e migrações.

Manter um LLM atualizado com tudo isso via re-treinamento é inviável. O ciclo de re-indexação da documentação do Google acontece em 24 horas, enquanto o re-treinamento de um modelo leva meses. A solução não é treinar modelos mais rápido. É dar a eles acesso à fonte de verdade em tempo real.

O que é a Developer Knowledge API

A Developer Knowledge API é uma interface programática que expõe a documentação pública do Google em formato Markdown, consumível por máquinas. Na prática, é a documentação oficial transformada em dados que agentes de IA podem pesquisar e ler sob demanda.

A API oferece três operações:

search_documents busca na documentação usando linguagem natural e retorna trechos relevantes, nomes de documentos e URLs
get_document recupera o conteúdo completo de um documento específico em Markdown
batch_get_documents recupera até 20 documentos de uma vez

O fluxo típico funciona assim: o agente faz uma busca com search_documents, avalia os trechos retornados e, se precisar de mais contexto, usa get_document para pegar o conteúdo completo da página. O resultado vem em Markdown puro, pronto para o modelo interpretar.

A cobertura do preview inclui documentação de:

firebase.google.com
developer.android.com
docs.cloud.google.com
Documentação de Maps, Chrome, TensorFlow e outros produtos Google

O Google afirma que a documentação é re-indexada em até 24 horas após qualquer atualização. Se uma API é deprecada hoje, amanhã o agente já sabe. Não é tempo real, mas é ordens de grandeza melhor do que depender de dados de treinamento com meses de atraso.

MCP: o protocolo que conecta tudo

A API sozinha é uma REST API convencional. Qualquer cliente HTTP poderia consumi-la. O que torna o anúncio mais relevante é o servidor MCP oficial que a acompanha.

O Model Context Protocol é um padrão aberto criado pela Anthropic em novembro de 2024 para padronizar como modelos de linguagem se conectam a ferramentas externas. Pense nele como uma interface universal que qualquer IDE ou assistente pode usar para acessar dados de qualquer servidor compatível.

A arquitetura do MCP segue um modelo cliente-host-servidor:

O host é a aplicação de IA (seu IDE ou terminal)
O cliente MCP mantém a conexão com o servidor e obtém dados
O servidor MCP expõe ferramentas, recursos e prompts para o modelo consumir

A comunicação acontece via JSON-RPC. Para conexões remotas como a do Google, o transporte é HTTP com streaming. O endpoint do servidor fica em https://developerknowledge.googleapis.com/mcp.

A adoção do MCP acelerou de forma expressiva. Em novembro de 2024, quando o protocolo foi lançado, existiam cerca de 100 servidores disponíveis. Em fevereiro de 2026, já são mais de 5.800 servidores e 300 clientes listados nos registros públicos. O SDK do protocolo acumula mais de 97 milhões de downloads mensais, com backing de Anthropic, OpenAI, Google e Microsoft.

A entrada do Google com um servidor oficial para sua documentação confirma o que os números já indicavam: o MCP está se consolidando como o padrão de integração entre agentes de IA e fontes de dados externas.

Setup prático: configurando no seu IDE

A configuração leva menos de 5 minutos. São 3 passos: habilitar a API, gerar uma chave e configurar o MCP no seu editor.

Passo 1: habilitar a API no Google Cloud

Acesse o console do Google Cloud, selecione seu projeto e habilite a Developer Knowledge API na biblioteca de APIs. Não é necessário nenhum papel IAM especial.

Depois, habilite o servidor MCP via gcloud CLI:

gcloud beta services mcp enable developerknowledge.googleapis.com --project=SEU_PROJECT_ID

Passo 2: gerar uma API key

Na página de Credenciais do Google Cloud Console, crie uma nova API key e restrinja-a à Developer Knowledge API.

Passo 3: configurar no seu editor

Para o Claude Code, um comando no terminal resolve:

claude mcp add google-dev-knowledge \
  --transport http \
  https://developerknowledge.googleapis.com/mcp \
  --header "X-Goog-Api-Key: SUA_API_KEY"

Para o Cursor, edite .cursor/mcp.json:

{
  "mcpServers": {
    "google-developer-knowledge": {
      "url": "https://developerknowledge.googleapis.com/mcp",
      "headers": {
        "X-Goog-Api-Key": "SUA_API_KEY"
      }
    }
  }
}

Para o VS Code com GitHub Copilot, edite .vscode/mcp.json:

{
  "servers": {
    "google-developer-knowledge": {
      "url": "https://developerknowledge.googleapis.com/mcp",
      "headers": {
        "X-Goog-Api-Key": "SUA_API_KEY"
      }
    }
  }
}

Para o Gemini CLI:

gemini mcp add -t http \
  -H "X-Goog-Api-Key: SUA_API_KEY" \
  google-developer-knowledge \
  https://developerknowledge.googleapis.com/mcp \
  --scope user

Para verificar se tudo funcionou, peça ao seu agente algo como "como listar buckets no Cloud Storage" e observe se ele faz chamadas ao servidor MCP antes de responder.

O que esperar do preview e próximos passos

O preview atual retorna documentação como Markdown não-estruturado: texto corrido com headings, listas e parágrafos. Funciona bem para orientação de implementação e troubleshooting, mas não é ideal para referência de API (parâmetros, tipos de retorno, assinaturas de função).

O Google já sinalizou o roadmap:

Suporte a conteúdo estruturado (code samples e entidades de referência de API)
Expansão do corpus de documentação para mais produtos
Redução da latência de re-indexação (atualmente 24 horas)

Mas o que me chama mais atenção é a implicação de segundo ordem. Se o Google está oficializando um servidor MCP para sua documentação, é razoável esperar que AWS, Microsoft, Stripe, Vercel e outros façam o mesmo. Com mais de 5.800 servidores, o ecossistema MCP já tem massa crítica. A documentação de plataformas sendo consumida programaticamente por agentes pode se tornar o padrão, e o web scraping de docs, coisa do passado.

Para quem depende de múltiplas plataformas no dia a dia, o ideal é ter um servidor MCP por fornecedor, todos conectados ao mesmo IDE. O agente consulta a fonte certa no momento certo, sem alucinações, sem APIs fantasma.

Conclusão

A Developer Knowledge API resolve um problema real e irritante: coding assistants que sugerem código baseado em documentação desatualizada. Com o servidor MCP, o Google fez a escolha certa ao adotar um padrão aberto em vez de criar algo proprietário.

A configuração é trivial (3 passos, menos de 5 minutos) e o benefício é imediato para qualquer dev que trabalhe com Firebase, Google Cloud ou Android. O preview ainda tem limitações: apenas Markdown não-estruturado, sem referência de API formatada, com re-indexação de 24 horas. Mas a direção está correta.

Se você usa um IDE com suporte a MCP, configure agora. A documentação do Google é extensa, muda com frequência e é exatamente o tipo de conhecimento que agentes de IA não deveriam tentar adivinhar.